Sie sind auf Seite 1von 25

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Estadística inferencial

Conjunto de métodos utilizados para conocer alguna característica de una población basándose en una muestra.

¿Qué inferencias se pueden hacer de los parámetros de una población a partir de la información de los estadísticos correspondientes a una muestra aleatoria de esa población? ESTIMACIONES O DECISIONES

Cualquier inferencia verdaderamente útil debe ir acompañada de una medida de bondad.

El error de estimación (diferencia entre la estimación y el parámetro) constituye una medida de la bondad de la estimación.

Muestra aleatoria:

distribución de probabilidad como:

son variables independientes cada una con la misma y su distribución de probabilidad conjunta se expresa

Parámetro: Es cualquier medida numérica que caracteriza a la población.

Estadístico: Es cualquier función de las variables aleatorias que constituyen una muestra aleatoria. Los estadísticos se calculan con el fin de estimar los parámetros correspondientes en las poblaciones respectivas.

Muestreo de una población finita

Una muestra aleatoria simple de tamaño n de una población finita de tamaño N es una muestra seleccionada de manera que cada posible muestra de tamaño n tega la misma probabilidad de ser seleccionada.

Muestreo de una población infinita

Una muestra aleatoria simple de una población infinita e una muestra seleccionada de manera que se satisfagan las siguientes condiciones:

1. Cada uno de os elementos selecciones proviene de la población

2. Cada elemento se selecciona independientemente.

Estimación puntual

Para estimar el valor de un parámetro poblacional, la característica correspondiente se calcula con los datos de la muestra, a los que se conoce como estadístico muestral.

La media muestral

es el estimador puntual de la media poblacional

.

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

La desviación estándar muestral poblacional .

es el estimador puntual de la desviación estándar

La proporción muestral

es el estimador puntual de la proporción poblacional

.

Una estimación puntual es un valor calculado a partir de la información obtenida de la muestra y que se usa para estimar un parámetro poblacional.

Al valor numérico obtenido de

se les conoce como estimaciones puntuales.

Distribuciones muestrales

Al usar un estadístico muestral para estimar un parámetro poblacional se lo debe examinar en toda la muestra posible que pudiera ocurrir.

A la distribución de todos los resultados que se obtendrían se la conoce como distribución muestral, esta distribución depende de la distribución de probabilidad de la población de la cual se extraen las muestras.

Distribución muestral de la media

La distribución muestral de

media muestral

probabilidades de las otras muestras tengan determinado valor.

es la distribución de probabilidad de todos los valores de la

. Es a priori ya que a partir de una sola muestra puedo saber que

Valor esperado de

La media de la variable aleatoria es el valor esperado de

.

Sea

el valor esperado de

y

muestra aleatoria simple.

la media de la población de la que se selecciona una

Cuando el valor esperado de un estimador puntual es igual al parámetro poblacional, se dice que el estimador puntual es insesgado.

Desvación estándar de

Población finita:

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Polación infinita:

e índices – Galdón María Sol Polación infinita: Se va a utilizar esta expresión para calcular

Se va a utilizar esta expresión para calcular la desviación estándar siempre que:

1. La población sea infinita;

2. La población sea infinita y

A la desviación estandar de

,

se le llama error estándar de la media.

En general el error estandar se refiere a la desviación estándar de un estimador puntual.

Forma de la distribucion muestral de

Cuando la población tiene distribución normal, la distribución muestral de

está

distribuida normalmente sea cual sea el tamaño de la muestra, por el TEOREMA DE LA REPRODUCTIVIDAD.

Demostración

por el TEOREMA DE LA REPRODUCTIVIDAD. Demostración TR = = =  Cuando la población de

TR

=

=

=

el TEOREMA DE LA REPRODUCTIVIDAD. Demostración TR = = =  Cuando la población de la

Cuando la población de la que se tomó la muestra aleatoria simple NO tiene distribucion normal, el TEOREMA DEL LÍMITE CENTRAL ayuda a determinar la

forma de la distribución muestral de

.

TEOREMA DEL LÍMITE CENTRAL: Cuando se seleccionan muestras aleatorias simples

de tamaño n de una población, la distribución muestral de la media muestral

aproximarse mediante una distribución Normal a medida que el tamaño de la muestra se hace grande.

puede

Sin importar la forma de la distribución si aproxima a la Normal.

la distribución del muestreo se

/

puede  Sin importar la forma de la distribución si aproxima a la Normal. la distribución

TLC

3

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Si la distribución es simétrica y n

María Sol  Si la distribución es simétrica y n n Debo suponer que es simétrica
María Sol  Si la distribución es simétrica y n n Debo suponer que es simétrica

n Debo suponer que es simétrica

es simétrica y n n Debo suponer que es simétrica = error estándar de la media

= error estándar de la media =

distancia entre las medias muestrales = desvío de las muestras

, la distribución muestral tiende a la Normal

las muestras , la distribución muestral tiende a la Normal TLC Distribución muestral de proporción X:

TLC

muestras , la distribución muestral tiende a la Normal TLC Distribución muestral de proporción X: n°

Distribución muestral de proporción

X: n° de éxito e una muestra de tamaño n

Ps = proporción de éxitos en una muestra de tamaño n.

La proporción muestral

es el estimador puntual de la proporción poblacional

Valor esperado de

Demostración:

n. La proporción muestral es el estimador puntual de la proporción poblacional Valor esperado de Demostración:

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Desviación estándar de Ps:

Población finita:

Población infinita:

= error estándar de Ps

Demostración:

) =

infinita: = error estándar de Ps Demostración: ) = Forma de la distribucion muestral de Ps
infinita: = error estándar de Ps Demostración: ) = Forma de la distribucion muestral de Ps

Forma de la distribucion muestral de Ps

En una muestra aleatoria simple de una población grande, el valor de x es una variable aleatoria binomial que indice el número de los elementos de la muestra que tienen la

característica de interés. Como

probabilidad de x, lo cual significa que la distribución muestral de Ps también es una

distribución de probabilidad discreta y que la probabilidad de cada

probabilidad de x.

es constante, la probabilidad de

es la misma que la

es la misma que la

Teorema de la reproductividad
Teorema de la reproductividad

Si la población es finita

la probabilidad de es la misma que la es la misma que la Teorema de la

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Propiedades de los estimadores puntuales

Insesgadez o Imparcialidad: implica el hecho de que el promedio de todas las medias de muestras posibles será igual a la media µ de la población. Si el valor esperado del estadístico muestral es igual al parámetro poblacional que se estudia, se dice que el estadístico muestral es un estimador insesgado del parámetro poblacional.

El estadístico muestral

es un estimador insesgado del parámetro poblacional

si:

, por lo tanto

E(

= son estimadores insesgados de sus

. En el caso de la desviación estándar muestral s y de la varianza muestral

motrar que

correspondientes parámetros poblacionales

, se puede

, por tanto la varianza muestral

es un estimador insesgado

de la varianza poblacional

.

Demostración:

Media de

) =

Por cada

se tiene

=

=

=

E(

; por tanto,

)+…+

Media de ) = Por cada se tiene = = = E( ; por tanto, )+…+

Eficiencia: Se dice que un estadístico muestral es más eficiente que otro si posee la menor varianza

El promedio es el estimador más preciso de la media poblacional. Para cualquier tamaño de muestra, en promedio, la media se acercará más a la media de la población que cualquier otro estimador.

Consistencia: Se refiere al efecto del tamaño de muestra sobre la utilidad de un estimador. Al incrementarse el tamaño de muestra, la variación de la media muestral de la media poblacional se hace más pequeña, de manera que la media aritmética de muestra se vuelve una mejor estimación de la media de la población.

Se dice que un estadístico muestral es consistente si su valor tiende a estar más cerca del parámetro poblacional que se estudia a medida que el tamaño de la muestra aumenta.

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Según aumenta el tamaño de la muestra, la variación de la media muestral a la media poblacional es cada vez más pequeña.

Demostración:

donde a es una cta y x una V.A

donde x e y son VA independientes.

Para toda

)=Var(

como

es una cte

Estimación por intervalo

Intervalo de confianza: Es un conjunto de valores obtenidos a partir de los datos muestrales, que tiene una determinada probabilidad de contener el parámetro poblacional que se está estimando. A esta probabilidad se la conoce como INTERVALO DE CONFIANZA

Como no se puede esperar que un estimador puntual suministre un valor exacto del parámetro poblacional, se suele calcular una estimación por intervalo al sumar y restar al estimador puntual una cantidad llamada margen de error. La fórmula general de una estimación por intervalo es:

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Intervalo de confianza:

El objetivo de la estimación por intervalo es aportar información de qué tan cerca se encuentra la estimación puntual, obtenida de la muestra, del valor del parámetro poblacional.

Estimación de la media poblacional por intervalos de confianza

1° Caso: Conozco el desvío poblacional

de confianza 1° Caso: Conozco el desvío poblacional  Si es simétrica) (debo suponer que TCL

Si

es simétrica)

(debo suponer que

TCL

, pero n≥30

TR

 Si es simétrica) (debo suponer que TCL , pero n≥30 TR Como buscar : Error
 Si es simétrica) (debo suponer que TCL , pero n≥30 TR Como buscar : Error
Como buscar :
Como buscar
:

Error de estimación: Distancia entre la media poblacional y la media muestral (

Busco en el cuerpo de la tabla de los negativos y encuentro z.Distancia entre la media poblacional y la media muestral ( Si no te dan como dato

Si no te dan como dato el nivel de confianza se usa 95%

Intervalo: [

dan como dato el nivel de confianza se usa 95% Intervalo: [ 2° Caso: No conozco

2° Caso: No conozco el desvío poblacional, pero conozco el muestral

(trabajo con Student)

TR

Si

95% Intervalo: [ 2° Caso: No conozco el desvío poblacional, pero conozco el muestral  (trabajo
95% Intervalo: [ 2° Caso: No conozco el desvío poblacional, pero conozco el muestral  (trabajo
95% Intervalo: [ 2° Caso: No conozco el desvío poblacional, pero conozco el muestral  (trabajo
95% Intervalo: [ 2° Caso: No conozco el desvío poblacional, pero conozco el muestral  (trabajo

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Si (debo suponer que es simétrica) TCL , pero n≥30 TCL Error de estimación Como
Si
(debo suponer
que es simétrica)
TCL
, pero n≥30 TCL
Error de estimación
Como buscar
:
TCL , pero n≥30 TCL Error de estimación Como buscar : Busco en tabla t Intervalo
TCL , pero n≥30 TCL Error de estimación Como buscar : Busco en tabla t Intervalo

Busco en tabla t

Intervalo: [

estimación Como buscar : Busco en tabla t Intervalo : [ Cuando se conoce muestras de

Cuando se conoce

muestras de tamaño

el margen de error,

[ Cuando se conoce muestras de tamaño el margen de error , , es fijo y

, es fijo y es el mismo para todas las

. Cuando

no se conoce, el margen de error,

para todas las . Cuando no se conoce, el margen de error, , varía de una

, varía de una

muestra a otra. Esta desviación e debe a que la desviación estándar muestral S varía con la muestra que se seleccione. Si S es grande, se obtiene una margen de error grande, mientras que si S es pequeña se obtiene un margen de error pequeño.

3°Caso: Estimación de la proporción poblacional siempre se trabaja con z

de la proporción poblacional  siempre se trabaja con z Teorema de la reproductividad Error de

Teorema de la reproductividad

poblacional  siempre se trabaja con z Teorema de la reproductividad Error de estimación Si la
poblacional  siempre se trabaja con z Teorema de la reproductividad Error de estimación Si la

Error de estimación

Si la población es finita

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Busco z de la misma forma que en el 1° caso.

Intervalo: [

Busco z de la misma forma que en el 1° caso. Intervalo : [ ] Ecuación
]
]

Ecuación de la recta de regresión lineal simple poblacional

Ecuación de la recta de regresión lineal simple muestral (ecuación de regresión estimada):

Supocisiones subyacentes:

1. Linealidad: la relación entre las variables es lineal.

2. El término de error es una variable aleatoria cuya media es 0(cero)

3. Homocedasticidad: La varianza del error es la mima para todo los valores de x.

4. Independencia del error: El error debe ser independiente de cada valor de x

5. El término del error es una variable distribuida normalmente.

Implicaciones:

- Para cada valor de X, hay un grupo de valores Y, y esto valores de Y se ditribuyen normalmente .

- La medias de estas distribuciones normale de valores Y, caen todas en la recta de regresión y las varianza son todas iguales.

- En la selección de una muestra, los valores de Y elegidos para un valor particular de X, no dependen de los valores de Y de ningún otro valor de X.

, el valor medio de LAS Y para un valor dado de X,

pero también e la mejor estimación de LA Y que corresponde a un determinado valor de

X.

4°Caso: Intervalo de predicción para un valor individual

Y que corresponde a un determinado valor de X. 4°Caso: Intervalo de predicción para un valor

Busco t: 1-(

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Grados de libertad: n-2

5°Caso: Intervalo de confianza para un valor promedio

6°Caso: Estimación de la pendiente poblacional

Distribución muestral de b

=

~

=

~

error estandar del coeficiente de pendiente

Determinación del tamaño de la muestra

1° Caso: Tamaño de muestra para una estimación por intervalo de la media

poblacional con

conocido.

por intervalo de la media poblacional con conocido. Este tamaño de muestra proporciona el margen de

Este tamaño de muestra proporciona el margen de error deseado al nivel de confianza elegido

Error de estimación: puede

aparecer como

, distancia entre

,

al nivel de confianza elegido Error de estimación : puede aparecer como , distancia entre ,

¿Qué probabilidad?

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

2° caso: Tamaña de la muestra para una estimación por intervalo de la proporción poblacional.

Muestras mayores proporcionan márgenes de error menores y mejor precisión.

proporcionan márgenes de error menores y mejor precisión. O Si no tengo p utilizo 0,50 para

O

Si no tengo p utilizo 0,50 para sobreestimar el tamaño de la muestra

p utilizo 0,50 para sobreestimar el tamaño de la muestra ¿Qué probabilidad? PRUEBAS DE HIPÓTESIS La

¿Qué probabilidad?

PRUEBAS DE HIPÓTESIS

La hipótesis estadistica es una declaración sobre el valor de un parámetro de la población.

La prueba de hipótesis: es un procedimiento basado en la evidencia de la muestra y la teoría de las probabilidades, usado para determinar i la hipoétsis es una decaración “razonable” y no debe ser rechazada o es “irrazonable” y debe ser rechazada.

Una prueba de hipótesisestadística se utiliza para cuantificar el proceso de toma de decisiones respecto de una hipótesis estadística partir de un resultado obtenido en una muestra.

En una prueba de hipótesis se plantean 2 hipótesis:

Hipótesis nula

hasta que se encuentra evidencia de lo contrario.

Es lo que afirmo y lo que pongo a prueba SIEMPRE. Se considera cierta

Hipótesis alternativa

proporcionan evidencia de que la hipótesis nula es falsa. Representa una conclusión para la

cual e busca evidencia.

Es una declaración que se “acepta” si los datos de la muestra

son afrimaciones opuestas acerca de la población y soló una de ellas es verdadera.

En toda situación en la que se desee probar la validez de una afirmación, la hipótesis nula se basa en la suposición de que la afirmación sea verdadera. Entonces la hipótesis alternativa se

formula de manera que rechazar establecida es incorecta.

proporcione la evidencia estadística de que la suposición

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Prueba de hipótesis

e índices – Galdón María Sol Prueba de hipótesis 2 colas 1 cola A derecha A
2 colas 1 cola
2
colas
1
cola

A derecha

A izquierda

A derecha A izquierda

Estadístico de prueba: Es un valor determinado a partir de la información muestral, usado para determinar si se rechaza o no la hipótesis nula. Con la distribución del estadístico de prueba se determina la regla de decisión de la prueba.

Regla de decisión: Existe una región de rechazo de

donde no se rechaza la hipótesis nula y un (o dos) valor(es) critico(s) que es(son) el(los) punto(s) de división entre la región de rechazo de la hipótesis nula y la región en la que no se rechaza la hipótesis nula.

, llamada región critica, una región

Resultados posibles de la prueba:

Decisión

Estadistica

No Rechazar

Rechazar

Si

es VERDADERA

Conclusión correcta

Error de tipo I

Si

Error de tipo II

es FALSA

Conclusión correcta

Error de tipo I: Es el error de rechazar

Error de tipo II: Es el error de no rechazar

cuando es verdadera.

cuando es falsa.

Probabilidades asociadas a la decisión

Decisión

Estadistica

No rechazar

Rechazar

es VERDADERA Nivel de confianza

Nivel de

significancia (

Error de tipo II (

Potencia de la prueba (

Nivel de significancia (

igualdad. El nivel de significancia expresa la medida de bondad de la prueba.

: Probabilidad de rechazar

cuando

es VERDADERA como

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Prueba de error tipo II (

: Probabilidad de no rechazar

, cuando

es FALSA.

Nivel de confianza

Probabilidad de no rechazar

, cuando

es VERDADERA

Potencia de la prueba (

Probabilidad de rechazar

, cuando

es FALSA.

β, representa la probabilidad de que la hipótesis nula no sea rechazada cuando de hecho es falsa y debería rechazársele. La potencia de prueba 1 - β representa la sensibilidad de la prueba estadística para detectar cambios que se presentan al medir la probabilidad de rechazar la hipótesis nula cuando de hecho es falsa y debería ser rechazada. La potencia de prueba estadística depende de qué tan diferente en realidad es la media verdadera de la población del valor supuesto. Si existe una diferencia grande entre la media real de la población y la media supuesta, la potencia de la prueba será mucho mayor que en el caso en que dicha diferencia fuera pequeña.

Una prueba de un extremo es más poderosa que una de dos extremos, y se debería utilizar siempre que sea adecuado especificar la dirección de la hipótesis alternativa.

Puesto que la probabilidad de cometer un error tipo I y la probabilidad de cometer un error tipo II tienen una relación inversa y esta última es el complemento de la potencia de prueba (1 - β), entonces α y la potencia de la prueba varían en proporción directa. Un aumento en el valor del nivel de significación escogido, tendría como resultado un aumento en la potencia y una disminución en α tendría como resultado una disminución en la potencia.

Un aumento en el tamaño de la muestra escogida tendría como resultado un aumento en la potencia de la prueba, una disminución en el tamaño de la muestra seleccionada tendría como resultado una disminución en la potencia.

Pasos de una prueba de hipótesis

1. Identificar la variable y el parámetro que se estudia.

2. Plantear

3. Seleccionar el nivel de significancia (

4. Identificar el estadístico de prueba y su distribución de probabilidades.

5. Formular la regla de decisión Cuando voy a rechazar

 
  Se rechaza

Se rechaza

6. Tomar una muestra y decidir:

No se rechaza

Valor p en una prueba de hipótesis: El valor p es el nivel de significancia observado, es el

mínimo nivel al cual

puede ser rechazada para un conjunto de datos dados.

Z tabla = “X” busco en la tabla la probabilidad= valor p. Si la prueba es de dos colas probabilidad x2 =valor p.

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Si

se rechaza

Si

No se rechaza

Pruebas de hipótesis

1° caso: Conozco el desvió poblacional.

Datos:

Estadístico de la prueba:

Probabilidad que busco en tabla y encuentro

Rechazo Rechazo No Rechazo
Rechazo
Rechazo
No
Rechazo

Zona de Rechazo

:

Regla de la decisión:

Rechazo

No rechazo

Zona de No Rechazo

= probabilidad (busco en tabla)

- z

o

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Rechazo No rechazo
Rechazo
No
rechazo

= probabilidad (busco en tabla)

No Rechazo rechazo
No
Rechazo
rechazo

Regla de la decisión:

Rechazo

:

No rechazo

:

Zona de Rechazo

Zona de No Rechazo

+ z

Regla de la decisión:

Rechazo

:

No rechazo

:

Zona de Rechazo

Zona de No Rechazo

2° caso: Cuando desconozco el desvío poblacional

( trabajo con t)

Estadístico de la prueba:

Grados de libertad: n-1

Regla de la decisión:

Rechazo Rechazo No rechazo
Rechazo
Rechazo
No
rechazo

Rechazo

No rechazo

o

Zona de Rechazo

:

Zona de No Rechazo

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

= probabilidad (busco en tabla)

Grados de libertad: n-1

Regla de la decisión:

Rechazo

:

No rechazo

:

Zona de Rechazo

Zona de No Rechazo

= probabilidad (busco en tabla)

Grados de libertad: n-1

Regla de la decisión:

- t Rechazo No rechazo
- t
Rechazo
No
rechazo
+ t Rechazo No rechazo
+ t
Rechazo
No
rechazo

Rechazo

:

Zona de Rechazo

No rechazo

:

Zona de No Rechazo

3° caso: Prueba de hipótesis para proporción

Estadístico de la prueba:

Z tabla: idem al 1 caso.

Si no me da p y me dice que la mayoría o lo más probable:

:

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Pruebas de hipótesis de regresión

4° Caso: Pruebas para

(pendiente poblacional)

a) La utilizo cuando me pregunta si hay relación o si hay relación lineal o si me pregunta si la recta estimada realmente existe.

(no hay relación)

Grados de libertad: n-2

(hay relación)

Regla de decisión y zona de rechazo idem al 2° caso.

b) Cuando me da un valor supuesto de la pendiente poblacional.

Grados de libertad: n-2

de la pendiente poblacional. Grados de libertad: n-2 Grados de libertad: n-2 Regla de decisión y

Grados de libertad: n-2

Regla de decisión y zona de rechazo idem al 2° caso.

Grados de libertad: n-2

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

5° Caso: Pruebas para

la población)

Coeficiente de correlación RHO: Es una medida de la intensidad de la relación lineal entre 2 variables.

La utilizo cuando me pregunta si hay relación o si hay relación lineal.

(no hay relación)

(hay relación)

Grados de libertad: n-2

Regla de decisión y zona de rechazo idem al 2° caso.

Cuanto más chico es el nivel de significancia ( ), es más chica la probabilidad de error.

Calculo de la potencia o error de tipo II cuando conozco el valor verdadero de la media poblacional (

Potencia Potencia
Potencia
Potencia
Potencia Potencia
Potencia
Potencia

Potencia=

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Potencia
Potencia
Potencia
Potencia
Potencia
Potencia
Potencia
Potencia

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Estadística Inferencial e índices – Galdón María Sol Números Índices Medida estadística que refleja lo

Números Índices

Medida estadística que refleja lo cambios ocurridos en una variable o grupo de variables en el tiempo o en el espacio.

Cociente entre los valores absolutos de la variable o grupo de variables y otro valor fijo, que se toma como base de comparación.

Números Índices referidos a series de tiempo

Cociente entre el valor actual de la variable o grupo de variables y el valor correspondiente a esta(s) en el período que se toma como referencia para la comparación llamado período base.

 

Mes base

Según como sea el período será:

Año base

Trimestre base

Expresa la variación relativa ed la variable e comparación con el período base.

Tipos de números índices: PRECIO, CANTIDAD, VALOR.

Clasificación según la metodología usada para s construcción

Índice

según la metodología usada para s construcción Índice Simples (un solo bien) Complejos(más de un bien)

Simples (un solo bien)

Complejos(más de un bien)

Índice Simples (un solo bien) Complejos(más de un bien) Sin ponderar Ponderados De media aritmética simple

Sin ponderar

Ponderados

De media aritmética simple De media agregativa simplebien) Complejos(más de un bien) Sin ponderar Ponderados Laspeyres Pasche Fischer Índices simples: Mide el cambio

De media aritmética simple De media agregativa simple Laspeyres Pasche Fischer Índices simples: Mide el cambio

Laspeyres

Pasche

Fischer

Índices simples: Mide el cambio relativo en solo una variable (precio-cantidad-valor de un artículo). Se obtiene dividiendo a cada valor por uno fijo correspondiente al momento que se toma como período base de comparación.

Índice simple de precio: compara niveles de precios (de un artículo) de un período a otro.

Índice de cantidad: Compara niveles de cantidad de un artículo de un período a otro.

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Índice valor: Mide los cambios en el valor monetario total. Combina los cambios en precio y cantidad en un índice con más información.

El número índice para el período base es siempre 1 a 100 dependiendo si se ha expresado

como proporción o porcentaje.

i: 1,2,….,n

t:0,1,…,k

En gral:

El índice de valor en un momento t es igual al producto del índice de precio en ese momento t y el índice de cantidad en ese mismo momento t.

Demostración:

Índices complejos: Mide la variación conjunta en el tiempo de un grupo de variables (precio-cantidad-valor de un grupo de artículos)

Resumen en una sola serie, cuyos valores están referidos porcentualmente a un período base, a todas las series observada y reflejan el movimiento del complejo en estudio.

Índices

complejos

No ponderados (más sencillos)

Ponderados (contienen más información)

Índices complejos no ponderados:

Considera igualmente importante cada artículo del grupo NO tienen en cuenta factores de ponderación al sintetizar

Tienen en cuenta algún tipo de coeficiente de ponderación al sintetizar

Índice de media aritmética promedio de índices simples.

Índice de media aritmética sintetiza los movimientos de las n series temporales en estudio mediante la media aritmética de los n° índices simples en cada momento de observación.

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Índice de media agregativa: Sintetiza lo movimientos de bienes en series temporales en estudio mediante índices simples de la serie de agregados(sumatoria de todos los valores en conjunto en cada momento) en cada momento de observación.

Se puede decir que el índice de la media agregativa es un cociente de

Cuando las magnitudes no son homógeneas este índice pierde significado.

Índices complejos ponderados: (Precio cantidad). Tienen en cuenta algún factor de ponderación.

¿Cómo elegir el factor de ponderación? De manera que recoja la importancia intrínseca de cada variable que compone el conjunto

Índice de precios Índice de cantidad

Factor de ponderación CANTIDAD PRECIO

Índice de Laspeyres: Toma como constante el precio (o la cantidad) del tiempo elegido como la base. El índice de precios (cantidades) de Laspeyres puede interpretarse como un índice simple del valor(cantidad) de la mercancías consumidad en el año base (t=0), en relación a los precios(cantidades) del año considerado (del año o período actual t), ponderado por las cantidades (precios) consumidas en el período base.

Índice de Paasche: Toma como constante el precio (o la cantidad) correspondiente al tiempo para el cual se va a calcular el índice (período t).

Índice Fisher: Medida geométrica de los índices de Laspeyres y Paasche. (raíz cuadrada)

Ventajas y desventajas:

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

- Laspeyres: Fácil de calcular pero los coeficientes de ponderación pueden dejar de ser representativos cuando el período t se aleje demasiado del período base.

- Paasche: Sus coeficientes de ponderación estarán siempre actualizados pero requiere mayor información y es más difícil de calcular.

- Fisher: Mayor costo

Empalme de una serie: Con el transcurso de tiempo, el conjunto de los bienes y servicios considerado en los índices de precios pueden ir perdiendo representatividad debido, por ejemplo, a cambios en las estructuras de consumo.

Como consecuencia de ello, se hace necesario modificarlos produciéndose una ruptura en la continuidad de la serie.

La solución para esto: Empalmar la serie

Cambio de base: Disponiendo de una serie de números índices con base en un período t=0 muchas veces interesa conocer la variación en el tiempo de los valores originales pero con respecto a otro período.

Teniendo en cuenta la proporcionalidad, se puede realizar un cambio de base en los índices, dividiendo cada índice de la primera serie por uno fijo correspondiente al nuevo período base.

Con el transcurso del tiempo puede ocasionar que, el conjunto de bienes y servicios

considerados en los índices de precios vayan perdiendo representatividad. Por lo tanto, se

vuelve necesario modificar su base.

Al modificar las bases de un índice se produce una ruptura en la continuidad de la serie. La ruptura significa que el nuevo índice de precio posee una representatividad cualitativamente diferente del anterior.

El Índice del Precios al Consumidor (IPC)

El IPC mide la variación promedio de los precios minoristas de un conjunto de bienes y servicios que representan el consumo promedio de los hogares residentes en la zona de referencia de un período específico.

Para hallar el Coeficiente del IPC es necesario un período base, una población y una región geográfica definida.

IPC e Índice de Costo de Vida. Algunos sostienen que el IPC es un Índice de Costo de Vida (ICV), lo cual es erróneo. Un ICV busca reflejar los cambios de gastos que un consumidor promedio destina para mantener constante su nivel de satisfacción o nivel de vida. Mientras que el IPC no considera todos los gastos de los consumidores que tiene que ver con el mantenimiento de su nivel de vida.

Resumen Estadística Estadística Inferencial e índices Galdón María Sol

Aplicación a la práctica:

Puede utilizarse el IPC con el objetivo de reflejar la variación en el nivel de precios entre dos momentos del tiempo; esa tasa puede ser positiva, negativa o igual a cero. Si es positiva indica que existe inflación de los precios, si es negativa indica deflación, y si es nula significa que se mantuvo constante.

Otro uso importante del IPC es como un índice que se suele usar para ajustar los salarios nominales (en moneda actual) a salarios reales (en moneda constante del año base) realizando ajustes por los cambios en los costos de vida. Utilizando el IPC como un índice de deflación se tiene:

Moneda cte

Moneda corriente